本文来自微信公众号“数字经济先锋号”，作者｜欧阳日晖、李文杰。
数据是新型生产要素，数据要素交易流通是支撑数字经济发展的重要基础。数字技术作为核心引擎，在数据要素领域发挥着赋能作用，为数据要素价值释放提供了坚实的技术支持，并促进了多样化的数据要素定价模式的探索。数据要素交易是重要的数据资源配置方式，优化数据资源配置需要完善数据要素交易市场，并解决其中存在的难题。
目前我国数据要素市场尚未形成统一的定价机制，各种定价策略仍不完善，传统的生产要素估值与定价方法无法满足海量新型数据要素的定价需求，数据定价面临着数据质量评估困难、交易价格无法确定、买卖双方信息不对称等问题。
因此，探索以数字技术为支撑的创新数据估值与定价方法，成为充分发挥数据价值、促进我国数据交易市场建设和数字经济发展的重要手段。
相关研究文献评述
数字技术是一种“通用目的技术”，能够降低数字经济活动中的搜索、复制、运输、跟踪及验证成本。当前阶段的数字技术主要包括人工智能、大数据、云计算、区块链、集成电路等，可以与各行业深度融合，促进创新和发明。
数字技术推动了新模式、新业态、新产品的出现，解决了数据估值与定价的难点。在数据交易市场中，数据估值与定价是核心环节。算法定价已经在电子商务中得到应用，可以提高销量和收入。
目前数字技术在数据估值与定价领域的研究还处于起步阶段。目前关于数字技术在数据估值与定价中的研究可分为以下方面。
1.基于数字技术的数据估值机制。可以利用区块链技术提供支持，深度学习和人工智能等技术进行高效计算分析。估值方法上，一是提出了使用学习算法和神经网络技术来量化每个训练基准对预测器性能的值，以有效估计数据的价值。二是基于元学习的数据评估方法，利用强化学习技术改进数据价值预测器和数据评估性能，来量化数据的价值。同时也有研究基于数字技术改造的传统资产价值评估方法和新型数字技术的数据价值评估方法。
2.基于数字技术的数据定价机制。数字技术可以优化数据定价模型，解决隐私泄露和交易透明度等问题。Niyato等（2016）认为机器学习技术可以利用历史数据对未来状态进行准确预测或估计，从而确定数据价格。同时还有采用数字技术手段的自动定价模型，如基于查询、元组、算法等定价方法。
3.基于数字技术的数据拍卖竞价机制。基于区块链的分布式和去中心化拍卖系统可以提高拍卖效率，并满足正确性、非重复性、公平性和保密性。机器学习技术可以利用大量数据进行学习和训练，建立中标价格模型，为数据买方提供最优中标价格。区块链技术应用可以排除中介机构的参与，安全地拍卖数据，提高拍卖双方之间的信任程度。
综上所述，虽然数据要素估值与定价的研究不断增加，算法、机器学习和深度学习等技术已成为利用大数据价值的可行方法，但对于数字技术手段下估值与定价方法的研究仍相对较少，仍处于起步阶段。同时，数据的估值与定价面临挑战，因此需要进一步探索和解决问题。本文从数据估值与定价模型和拍卖竞价机制两个方面论述了数字技术在数据估值与定价中的理论逻辑和实践案例，以期为数字技术的创新发展和数据估值与定价的问题提供启发。
数字技术赋能数据定价的理论
一、数字技术优化数据估值与定价的内在机理
数字技术优化了数据估值和定价的内在机理。具体而言，它通过以下几方面的作用来实现这一目标：
消除信息不对称性：数字技术减少了数据交易双方之间的信息模糊，提高了交易双方的信誉和交易数据的透明度，降低了交易成本。算法可以解决数字平台运营中的技术漏洞和管理局限，解决数据权利所有人与平台之间的信息不对称和信用体系重构问题。此外，通过激励机制，算法还可以实现数据价值的创造、传递和持续增值。
提高数据价格评估公平性：数字技术改善了传统的数据估值模型，如基于成本、市场和收益等方法。它可以衡量数据质量，评估数据产品的价值，包括准确性、完整性、一致性和及时性等方面。
规范数据定价行为：人工智能和算法等技术可以检测数据交易买方的价格歧视和欺骗行为。通过算法监控交易市场中的异常定价行为以及扫描市场竞争问题。另外，利用机器学习和区块链等数字技术收集相关交易价格的历史数据，可以检测数据交易价格是否合规，从而规范数据交易市场定价。
二、数据估值与定价中面临的挑战
数据不同于一般生产要素，具有非竞争性和排他性，同时还具有易复制性和可再创性。该特点易造成数据的无限复制和滥用，对数据资产所有权产生极大侵害，加大了相同或相似数据的估值与定价难度。
数据估值与定价面临挑战主要有以下几个方面：一是数据买方的异质性，不同买方对同一数据有不同的价值；二是数据买卖双方存在信息摩擦和不对称，导致数据价值具有不确定性；三是存在不公平数据定价问题，如串谋定价和价格歧视。
数据估值的基础是根据数据资产的使用价值进行估值，并在此基础上考虑购买者对数据的效用评估和心理可接受价格。然而，由于数据的特性和市场情况的不确定性，现有的价值评估方法不适用于数据的估值。拍卖方式可能是一种较好的交易方式，但传统拍卖模式下由于数据产品的使用价值未知，买方很难进行有效竞价，可能存在操纵拍卖结果的行为，从而导致数据拍卖价格无法达到公平和真实水平。
在数据要素定价中的实践应用
一、基于数字技术的估值与定价模型
根据前人研究，对现代数据定价算法进行了全面梳理。该研究将数据定价算法分为基于查询定价、基于特征定价和机器学习定价三大策略，详细情况如表1所示。随着数字技术的不断创新，这些数字技术开始为上述定价策略提供支持，为数据的估值与定价提供了高效率的方案。
1.基于查询的估值与定价。一是使用链式查询定价（LCP）和循环查询定价（CCP）计算数据价格；二是根据数据信息价值提供查询定价；三是基于人群感知的查询定价。效用理论模型和多项式需求函数计算最优定价。
2.基于特征的数据定价。根据数据质量、隐私等特征导出数据价格：
基于质量的估值与定价。使用哈希值和数据完整性验证算法评估数据质量，构建数据质量评估模型计算数据质量水平；先试后买算法验证数据质量是否符合要求。
基于隐私的估值与定价：使用差分隐私框架、隐私感知学习技术和算法计算个性化动态定价；利用深度神经网络和算法计算隐私损失价格。
基于市场价值的动态定价：根据消费者对产品或服务的价值动态调整价格；利用机器学习和强化学习观察市场需求与供给，并实现最优定价策略。
3.机器学习中的定价。专注与定价模型而不是数据集。
噪声注入定价机制。通过添加不同级别噪声获得具有不同精度的多版本模型，根据模型质量进行定价。
端到端的定价模型。在考虑数据所有者报酬以及市场因素情况下，实现模型定价的收入最大化。使用调查结果和动态规划算法确定最优价格空间。
联合学习定价模型。该模型考虑了数据所有者和联合学习平台的效用，允许数据所有者选择隐私预算，并根据隐私损失提供价格，为数据所有方提供公平价格。
基于Shapley值的估值与定价。Shapley值可以公平估计机器学习模型中的数据价值，量化数据所有者在交易时的数据隐私泄露价值，并公平补偿所有者的数据隐私。它可以逼近效用函数的SV值，并实现单个数据的公平估值。
4.基于场景的估值与定价。机器学习、人工智能和算法等数字技术可以帮助我们在不同的场景下对数据进行估值和定价。例如，通过元数据管理、自动化、机器学习和人工智能技术，我们可以计算不同场景中的数据收益并评估数据的价值。普华永道提出了基于神经网络模型的数据估值方法，通过学习数据的特征和不同场景下的应用实例，利用神经网络等技术来建立准确预测数据交易价格的模型。
二、数字技术在数据拍卖竞价中的应用
数字技术可用于数据拍卖竞价，保证公平有效的定价。在信息不对称的数据交易中，数字技术可解决许多问题，如保护出价隐私、防止串通竞价、激励真实出价。
为保护出价隐私，可采用基于区块链、零知识证明和匿名否决网络等技术的拍卖系统。为防止串通拍卖，可采用基于智能合约的反串通拍卖数据算法、密封竞价、竞价掩码以及竞价揭示机制等技术。数字技术的创新发展在一定程度上能够解决传统数据拍卖中的操纵、虚假投标和不真实竞价等问题，从而鼓励竞拍者提供真实出价。
04
结论与建议
数据要素作为新兴生产要素，其估值与定价理论及方法尚不完善，随着数字技术与各行业的深度融合发展，基于数字技术的数据要素估值与定价方法成为未来研究方向。
研究表明：数字技术在数据拍卖竞价中可保护出价隐私、防止串通拍卖、激励真实出价。针对数字技术支撑下的数据要素估值与定价，提出以下建议：
1.深入开展数据资产评估计价体系研究。建立统一价值评估原则、指标体系和评估模型，推进数据要素市场价格形成机制建设，实现基于数据流转体系的质量评估方法。
2.探索不同场景下的数据要素估值与定价方法，打造全国性数据资产图谱平台。数据价值发挥与场景间的依附性较强，当前基于场景的差异化定价方法研究尚浅，无法满足日益增加的数据产品交易需求。因此，需探索完整场景下的数据要素估值与定价方法，要依托数字技术打造基于不同数据性质、数据产品、交易场景、应用场景的具有差异化定价机制的数据资产图谱平台，实现不同场景下的自动、公平、高效的数据估值与定价。
3.健全数据要素分配机制。建立健全数据要素收益公平分配的法律法规及组织机制，加强区块链、联邦学习、深度学习等数字技术与数据要素流转过程的深度融合，探索多环节、多参与者场景下的收益分配路径。此外，以合作博弈论为理论指导，以数字技术手段为支撑衡量数据交易各环节中参与者的贡献度，构建体现效率与公平的数据收益分配制度，可在初次分配基础上进行以政府为主导的二次分配和以慈善行为和数据捐赠为主要方式的三次分配，保障数据所有者、加工者、持有者等主体的权益，使数据要素收益惠及全体人民。
4.探索诸多技术集成下数据要素价格监测网络。针对数据估值与定价中的算法串通与歧视行为，仍需探索监管手段合理处理两者间的关系，探索诸多技术集成下价格监管沙盒，在避免市场过度操纵、降价或其他反竞争行为的前提下，以促进数据要素高效、合理、安全流动为目标，以保护数据交易双方利益为原则，实现数据要素的合理定价。
因篇幅限制，本文有部分删减。
内容来源：欧阳日辉，李文杰．数字技术在数据要素估值与定价中的应用[J/OL]．价格理论与实践.https://link.cnki.net/urlid/11.1010.f.20230908.0932.002
